卷积神经网络的多光谱遥感图像超分辨率重建

发布时间：2021-11-08 14:26

　　随着硬件的发展,人们对遥感数据分辨率的要求越来越高。然而,现实中,在遥感数据的应用领域内,常常囿于图像采集工具的成本,包括遥感卫星的重量、体积、功耗等条件限制或者成像模态本身的技术瓶颈,大幅超清图像并不是每次操作都能得到的。遥感图像超分辨率重建对低分辨率图像进行分辨率重建,一定程度上提高原始图像的分辨率,生成较为清晰的重建图像。传统的超分辨率重建方法存在着图像丢失高频信息,边缘较为模糊,计算量大等问题,本文针对深度学习能够自动提取多层特征,大批量处理多维数据的特点,将标准卷积和非对称卷积应用于遥感图像超分辨率重建,同时顾及到了遥感图像的纹理特征与光谱特征,构建了相应的超分辨率重建网络。（1）考虑遥感图像的纹理特征,通过一个端到端的深度学习模型对遥感真彩色图像进行超分辨率重建。输入低分辨率的图像和对应的参考图像,利用改进的特征提取网络提取图像块的特征,用ResNeXt50代替VGG19,并比较低分辨率特征图像和参考特征图像的纹理相似性,自适应地从参考图像中转移纹理,构建纹理细节丰富的重建图像。实验结果证明,本文改进的特征提取网络与其他超分辨率重建的方法相比,有更好的视觉效果和更高的图像质... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

SRCNN结构[57]

VDSR结构[61]

EDSR结构[62]

【参考文献】：
期刊论文
[1]稀疏表示遥感图像超分辨重建[J]. 刘越,朱福珍,丁群.  黑龙江大学自然科学学报. 2018(06)
[2]基于中继循环残差网络的人脸超分辨率重建[J]. 卢涛,汪家明,李晓林,张彦铎.  华中科技大学学报(自然科学版). 2018(12)
[3]整体车牌图像超分辨率重建研究[J]. 倪申龙,曾接贤,周世健.  计算机技术与发展. 2019(04)
[4]基于残差网络的医学图像超分辨率重建[J]. 席志红,侯彩燕,袁昆鹏.  计算机工程与应用. 2019(19)
[5]基于彩色空间变换的迭代反射投影遥感影像的超分辨率重建[J]. 郭桐宇.  测绘与空间地理信息. 2018(11)
[6]基于ODL双字典学习的遥感影像超分辨率重建[J]. 周荣荣,廖东军,隋立春,刘兆惠,刘云峰.  河南科学. 2018(10)
[7]基于小波变换的超分辨率图像增强算法研究[J]. 张芯苑.  电子世界. 2018(17)
[8]基于深度卷积网络的红外遥感图像超分辨率重建[J]. 张晓阳,李广泽,彭畅,左洋.  黑龙江大学自然科学学报. 2018(04)
[9]基于深度超分辨率重建的监控图像人脸识别[J]. 朱海,王国中,范涛,杨露.  电子测量技术. 2018(16)
[10]联合局部约束的邻域嵌入人脸超分辨率重建[J]. 黄福珍,周晨旭,何林巍.  中国图象图形学报. 2018(06)

博士论文
[1]遥感图像超分辨率重建技术研究[D]. 丁海勇.中国矿业大学 2008

硕士论文
[1]高分辨率视频卫星影像超分辨率重建技术研究[D]. 姚烨.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[2]基于手机的快速视频超分辨率算法研究与实现[D]. 邸苗.北方工业大学 2018
[3]基于稀疏表示的视频超分辨率技术研究[D]. 姚翠.电子科技大学 2018
[4]基于实例映射学习的单帧图像超分辨率重建算法研究[D]. 高传清.西安电子科技大学 2015
[5]遥感图像的超分辨率重建技术研究[D]. 余新宇.电子科技大学 2013



本文编号：3483875